gov-1000-75
京华网
京华网  >   财经  >  正文

不会PS没关系,AI拼图技术已能以假乱真

评论

这是一份看似平平无奇的日式便当。

但你敢信,其实每一格食物都是 P 上去的,而且原图还是酱婶儿的:

直接抠图贴上去,效果一眼假

背后操作者并不是什么 PS 大佬,而是一只 AI,名字很直白:拼图扩散。

其效果惊艳了不少网友。

甚至还有 PS 爱好者直呼道:

这简直是个天赐之物…… 希望很快能在 Automatic1111中看到它。

为什么效果这么自然?

实际上,此 AI 生成的“日式便当”还有好几个生成版本 —— 都很自然有木有。

至于为啥还有多种版本?问就是因为用户还能自定义,在总体不变得太离谱的前提下,他们可以微调各种细节。

除了“日式便当”,它还有不少出色的作品。

比如,这是拿给 AI 的素材,P 图痕迹明显:

这是 AI 拼好的图,反正我愣是没看出什么 P 图痕迹:

不过,文字终究对于目标图像,最多只能起到模糊的规范作用,所以用户通常要花大量时间调整提示,还得搭配上额外的控制组件,才可以取得不错的效果。

就拿前文展示的日式便当来说:

如果用户只输入“一个装有米饭、毛豆、生姜和寿司的便当盒”,那就既没描述哪种食物放到哪一格,也没有说明每种食物的外观。但如果非要讲清楚的话,用户恐怕得写一篇小作文了……

鉴于此,斯坦福团队决定从别的角度出发。

他们决定参考传统思路,通过拼图来生成最终图像,并由此开发出了一种新的扩散模型。

有意思的是,说白了,这种模型也算是用经典技术“拼”出来的。

首先是分层:使用基于图层的图像编辑 UI,将源图像分解成一个个 RGBA 图层,然后将这些图层排列在画布上,并把每个图层和文字提示配对。

通过分层,可以修改图像中的各种元素。

而在这种新型“拼图扩散模型”中,分层信息成了后续操作的输入。

除了分层,还搭配了现有的基于扩散的图像协调技术,提升图像视觉质量。

总而言之,该算法不仅限制了对象的某些属性的变化,同时允许属性(方向、光照、透视、遮挡)发生改变。

操作过程也很 easy,在交互编辑模式下,用户在几分钟内就能创作一幅拼贴画。

他们不仅可以自定义场景中的空间排列顺序;还能调整生成图像的各个组件。用同样的源图,可以得出不同的效果。

最右列是这个 AI 的输出结果

而在非交互式模式下,AI 也能根据拿到的小图,自动拼出一张效果自然的大图。

研究团队

最后,来说说背后的研究团队,他们是斯坦福大学计算机科学系的一群师生。

论文一作,Vishnu Sarukkai 现为斯坦福计算机科学系研究生,还是硕博连读的那种。

他的主要研究方向为:计算机图形学、计算机视觉和机器学习。

此外,论文的共同作者 Linden Li,也是斯坦福计算机科学系研究生。

在校求学期间,他曾到英伟达实习 4 个月,与英伟达深度学习研究小组合作,参与训练了增加 100M + 参数的视觉转换器模型。

论文地址:

参考链接:



声明:以上内容为本网站转自其它媒体,相关信息仅为传递更多企业信息之目的,不代表本网观点,亦不代表本网站赞同其观点或证实其内容的真实性。投资有风险,需谨慎。

ad11
bottom1 bottom3 2015123002 cert2017 dbtp01 ft02

注:凡注明来源非本站的作品,均转载自其它媒体,并不代表本网赞同其观点和对其真实性负责。

京华网致力于资讯传播,希望建立合作关系。若有任何不当请我们,我们将会在24小时内删除。

http://www.jhar.cn All Right Reserve 版权所有

版权为京华网所有 未经同意不得复制或镜像